本文介绍了将日期从Excel文件转换为 pandas 的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在导入excel文件,其中的日期"列具有不同的编写方式:
I'm importing excel file, where the 'Date' column has different ways of writing:
Date
13/03/2017
13/03/2017
13/03/2017
13/03/2017
10/3/17
10/3/17
9/3/17
9/3/17
9/3/17
9/3/17
导入熊猫:
df = pd.read_excel('data_excel.xls')
df.Date = pd.to_datetime(df.Date)
导致:
Date
13/03/2017
64 13/03/2017
65 13/03/2017
66 13/03/2017
67 2017-10-03 00:00:00
68 2017-10-03 00:00:00
69 2017-09-03 00:00:00
70 2017-09-03 00:00:00
71 2017-09-03 00:00:00
72 2017-09-03 00:00:00
这意味着熊猫没有正确解析日期和时间:
Which means, pandas did not parse properly date and time:
10/3/17 -> 2017-10-03
当我尝试指定格式时:
df.Date = pd.to_datetime(df.Date, format='%d%m%Y')
得到错误:
ValueError: time data u'13/03/2017' does not match format '%d%m%Y' (match)
问题:
如何从Excel文件正确导入日期和时间到熊猫?
How to import properly date and times from the excel file to pandas?
推荐答案
新答案:
实际上pd.to_datetime
有一个dayfirst
关键字参数,在这里很有用:
Actually pd.to_datetime
has a dayfirst
keyword argument that is useful here:
df.Date = pd.to_datetime(df.Date,dayfirst=True)
结果:
>>> df.Date
0 2017-03-13
1 2017-03-13
2 2017-03-13
3 2017-03-13
4 2017-03-10
5 2017-03-10
6 2017-03-09
7 2017-03-09
8 2017-03-09
9 2017-03-09
Name: Date, dtype: datetime64[ns]
旧答案:
Old answer:
使用第三方模块 dateutil
即可处理变化.它有一个dayfirst
关键字参数,在这里很有用:
Use the third-party module dateutil
which can handle these kinds of variations. It has a dayfirst
keyword argument that is useful here:
import dateutil
df = pd.read_excel('data_excel.xls')
df.Date = df.Date.apply(lambda x: dateutil.parser.parse(x,dayfirst=True))
结果:
>>> df.Date
0 2017-03-13
1 2017-03-13
2 2017-03-13
3 2017-03-13
4 2017-03-10
5 2017-03-10
6 2017-03-09
7 2017-03-09
8 2017-03-09
9 2017-03-09
Name: Date, dtype: datetime64[ns]
这篇关于将日期从Excel文件转换为 pandas 的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!